Um classifcador baseado em programação por metas para triagem de COVID-19 considerando sintomas

R. Oliveira, Rodolfo de Carvalho Pacagnella, Washington A. Oliveira, Cristiano Torezzan
{"title":"Um classifcador baseado em programação por metas para triagem de COVID-19 considerando sintomas","authors":"R. Oliveira, Rodolfo de Carvalho Pacagnella, Washington A. Oliveira, Cristiano Torezzan","doi":"10.5540/03.2023.010.01.0108","DOIUrl":null,"url":null,"abstract":"Resumo . A categorização de dados em classes é uma tarefa comum em diversas áreas e também uma das principais aplicações de aprendizado de máquina (AM). Enquanto a maioria dos métodos de AM utiliza uma abordagem estatística, modelos de classi  cação baseados em programação ma-temática surgem como alternativas. Este trabalho investiga a e  cácia de modelos inspirados em programação por metas para classi  cação supervisionada, tendo como motivação um problema de triagem de COVID-19 com base nos sintomas. Os resultados obtidos permitiram estrati  car a pre-visão em categorias de decisão, além disso, os modelos testados responderam de forma satisfatória quando comparados a modelos clássicos, como a regressão logística e máquina de vetores suporte. Palavras-chave . Classi  cação, Aprendizado de Máquina, Programação por Metas, COVID-19","PeriodicalId":274912,"journal":{"name":"Proceeding Series of the Brazilian Society of Computational and Applied Mathematics","volume":"343 ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Proceeding Series of the Brazilian Society of Computational and Applied Mathematics","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5540/03.2023.010.01.0108","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Resumo . A categorização de dados em classes é uma tarefa comum em diversas áreas e também uma das principais aplicações de aprendizado de máquina (AM). Enquanto a maioria dos métodos de AM utiliza uma abordagem estatística, modelos de classi  cação baseados em programação ma-temática surgem como alternativas. Este trabalho investiga a e  cácia de modelos inspirados em programação por metas para classi  cação supervisionada, tendo como motivação um problema de triagem de COVID-19 com base nos sintomas. Os resultados obtidos permitiram estrati  car a pre-visão em categorias de decisão, além disso, os modelos testados responderam de forma satisfatória quando comparados a modelos clássicos, como a regressão logística e máquina de vetores suporte. Palavras-chave . Classi  cação, Aprendizado de Máquina, Programação por Metas, COVID-19
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
基于目标的分类器,用于考虑症状的 COVID-19 筛查
摘要 .将数据归类是许多领域的常见任务,也是机器学习(ML)的主要应用之一。虽然大多数 ML 方法使用统计方法,但基于数学编程的分类  cation 模型正在成为替代方法。本研究以基于症状的 COVID-19 筛选问题为动机,研究了受目标编程启发的模型在监督分类  cation 中的有效性。所获得的结果使  预测分层成为可能,与逻辑回归和支持向量机等经典模型相比,所测试的模型反应令人满意。关键词 .分类  cation、机器学习、目标编程、COVID-19
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Controle do Aedes Aegypti com a Técnica Wolbachia e Armadilhas Impulsivas via Transformação Integral Generalizada Algoritmo Genético Adaptativo com Chaves Aleatórias Viciadas para um Problema de Corte de Estoque Multi-Período com Custos de Setup Reconstrução Tridimensional de uma Subestação de Energia Elétrica para Localização de Equipamentos a Partir de Termogramas Otimização de treliças metálicas planas em perfil tubular circular As aproximações de Fujimoto e o origami na representação de frações do tipo 1/n
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1